Η τεχνητή νοημοσύνη αναλαμβάνει πλέον ένα ολοένα και μεγαλύτερο μέρος της εργασίας των μηχανικών CUDA, μιας από τις πιο εξειδικευμένες και ακριβοπληρωμένες κατηγορίες επαγγελματιών στη Silicon Valley. Τα συστήματα AI έχουν πλέον τη δυνατότητα να δημιουργούν και να δοκιμάζουν εκατοντάδες εκδοχές κώδικα για GPUs, αλλάζοντας ριζικά τη φύση της εργασίας στον κλάδο.
Από τη συγγραφή κώδικα στην επίβλεψη
Παραδοσιακά, οι μηχανικοί CUDA (Compute Unified Device Architecture) ειδικεύονταν στη συγγραφή «kernels» — μικρών τμημάτων κώδικα που καθοδηγούν τα chips της Nvidia να εκτελούν εργασίες με τη μέγιστη δυνατή αποδοτικότητα. Αυτή η διαδικασία βελτιστοποίησης είναι κρίσιμη, καθώς μπορεί να εξοικονομήσει εκατομμύρια δολάρια σε υπολογιστική ισχύ για τις επιχειρήσεις.
Σήμερα, η AI μπορεί να παράγει εκατοντάδες τέτοιους kernels, να τους δοκιμάζει αυτόματα και να επιλέγει τον ταχύτερο. Ως αποτέλεσμα, οι μηχανικοί μετακινούνται από τον ρόλο του δημιουργού σε αυτόν του επόπτη AI agents. Θέτουν στόχους, ελέγχουν τα αποτελέσματα και παρεμβαίνουν μόνο όταν το σύστημα συναντά εμπόδια.
Ζήτηση και αποδοχές σε επίπεδα ρεκόρ
Παρά την αυτοματοποίηση, η ανάγκη για ανθρώπινη εξειδίκευση παραμένει ισχυρή. Σύμφωνα με στοιχεία της Lightcast, οι αγγελίες εργασίας στις ΗΠΑ που απαιτούν γνώσεις CUDA κατά τους πρώτους οκτώ μήνες του 2026 έχουν ήδη ξεπεράσει το σύνολο του 2025. Η Nvidia παραμένει ο κορυφαίος εργοδότης, με περισσότερες από 300 ενεργές αγγελίες τον Σεπτέμβριο και βασικές ετήσιες αποδοχές που φτάνουν έως και τα 431.250 δολάρια.
«Η AI καλύπτει πλέον το κενό που υπήρχε στην αγορά εργασίας», αναφέρει ο Bing Xu, ιδρυτής της startup INT21.
Προκλήσεις και «υπερανθρώπινη» απόδοση
Η μετάβαση αυτή δεν στερείται δυσκολιών. Η Anne Ouyang της Standard Kernel επισημαίνει ότι η AI μπορεί να δημιουργήσει «παράξενα» σφάλματα (bugs) που ένας άνθρωπος δεν θα έγραφε ποτέ, καθιστώντας τον έλεγχο του κώδικα εξαιρετικά απαιτητικό. Ταυτόχρονα, έρευνες δείχνουν ότι η AI μπορεί να ξεπεράσει τους ανθρώπους σε ορισμένα benchmarks συγγραφής κώδικα, παράγοντας αποτελέσματα που οι μηχανικοί μερικές φορές δυσκολεύονται να κατανοήσουν πλήρως, παρόλο που επιβεβαιώνουν τη σωστή λειτουργία τους.
